¿Qué son los algoritmos?

Un algoritmo es, desde un punto de vista técnico, un conjunto de instrucciones diseñadas para realizar una tarea específica; una lista de reglas a seguir para resolver un problema. Podemos encontrar algoritmos en todas partes dando respuesta a múltiples desafíos. Pero, cuando hablamos de algoritmos, nos solemos referir a unos específicos, llamados Algoritmos de Aprendizaje Automático, que son los más implementados durante las dos últimas décadas.

Los algoritmos más tradicionales, de acuerdo con un enfoque matemático y computacional, son secuencias de pasos que han sido programados para lograr un objetivo. Si se desea mejorar esos algoritmos, deben implementarse en ellos los nuevos pasos. En cambio, los algoritmos de aprendizaje automático mejoran su rendimiento automáticamente. Se actualizan a sí mismos sin que sea necesario que por parte humana se añadan nuevos pasos o reglas, por lo que la fortaleza de los algoritmos de aprendizaje automático, en comparación con los algoritmos tradicionales, es que consisten en un modelo estadístico que descubre, a partir de los datos disponibles, la información que resulta más significativa para la predicción, y puede mejorar su precisión automáticamente cada vez que entran nuevos datos. Desde el algoritmo de reconocimiento de imágenes de Google hasta el algoritmo de recomendación de Amazon, hoy en día existe una gran cantidad de sistemas algorítmicos de ese tipo.

Algoritmos de aprendizaje automático

Un algoritmo de aprendizaje automático es un modelo estadístico que predice algo y mejora su precisión de predicción o clasificación sin la intervención humana, mediante la actualización iterativa del modelo con nuevos datos.

Aprendizaje automático en la práctica

Imagine un grupo de científicos que un día se reúnen con la intención de desarrollar un clasificador de imágenes muy preciso para clasificar las fotos de gatos y perros en carpetas separadas. Si optan por un algoritmo tradicional, deben inventar un conjunto infinitesimal de reglas como ésta:

-> si el animal es más grande que “x” tamaño — > es un perro

-> si es más pequeño que ese “x” tamaño — > es un gato

–> y así con innumerables posibles características físicas…

Pero si optan por un algoritmo de aprendizaje automático, pueden elegir un modelo estadístico que sintetice lo suficientemente bien los datos y dé una buena predicción. Así, después de haber ajustado el modelo (podemos suponer que los científicos han elegido el algoritmo de discriminación multilineal) con imágenes previamente clasificadas (los datos de entrenamiento), la precisión de la predicción del modelo puede mejorar continuamente, si se programa una automatización para que que cada vez que haya nuevos datos disponibles el modelo deba ajustarse de nuevo basándose en los datos anteriores y nuevos.

¿Te interesa nuestro trabajo?

Puedes colaborar con el proyecto enviándonos algoritmos que se estén implementando a tu alrededor, o bien que conozcas de otros lugares, y también utilizando la información de este directorio para fomentar cambios y mejoras en tu comunidad.